WikiEdge:ArXiv速遞/2025-04-22

摘要

• 原文標題：TinyML for Speech Recognition
• 中文標題：面向語音識別的微型機器學習
• 發佈日期：2025-04-22 19:00:40+00:00
• 作者：Andrew Barovic, Armin Moin
• 分類：cs.SD, cs.AI, eess.AS
• 原文連結：http://arxiv.org/abs/2504.16213v1

中文摘要：我們訓練並部署了一個量化的一維卷積神經網絡模型，用於在資源高度受限的物聯網邊緣設備上進行語音識別。這在各種物聯網（IoT）應用中非常有用，例如智能家居和為老年人及殘障人士提供的環境輔助生活等。在本文中，我們首先創建了一個包含超過一小時音頻數據的新數據集，這不僅支持了我們的研究，也將對該領域的未來研究有所幫助。其次，我們利用Edge Impulse提供的技術來提升模型性能，並在我們的數據集上實現了高達97%的準確率。為了驗證，我們使用Arduino Nano 33 BLE Sense微控制器板實現了原型。該微控制器板專為物聯網和人工智能應用設計，非常適合我們的目標使用場景。雖然現有研究大多集中於有限的關鍵詞集，但我們的模型可以處理23個不同的關鍵詞，從而實現複雜命令的識別。

摘要

• 原文標題：Long distance contributions to neutral $D$-meson mixing from lattice QCD
• 中文標題：中性$D$介子混合的長距離貢獻：來自格點QCD的研究
• 發佈日期：2025-04-22 18:26:48+00:00
• 作者：Matteo Di Carlo, Felix Erben, Maxwell T. Hansen
• 分類：hep-lat, hep-ph
• 原文連結：http://arxiv.org/abs/2504.16189v1

中文摘要：中性D介子混合的研究為粲夸克領域的長程效應提供了獨特探測手段，其中標準模型的貢獻主要由非微擾效應主導。本工作探討了在格點QCD框架下運用譜重構技術計算[[D^0-\bar{D}^0混合]]長程貢獻的可行性。在概述粲夸克區中性介子混合的普適形式理論後，我們重點研究混合振幅的確定以及無量綱參數$x = \Delta m_D / \Gamma_D$和$y = \Delta \Gamma_D /(2 \Gamma_D)$——這兩個參數分別表徵D介子質量本徵態之間的質量差與寬度差。我們詳細討論了所需的理論與計算框架，包括ΔC = 1弱哈密頓量中四夸克算符的定義與重整化，以及運用方差縮減技術計算相關關聯函數的策略。為提取混合振幅，我們探索了從格點關聯函數重構譜密度的方法，並對達到物理意義尺度（即展寬寬度足夠小以獲得物理有效結果）所需數據質量進行了初步評估。本研究為未來基於第一性原理精確測定D介子混合的長程貢獻奠定了理論基礎。